移动源排放遥测主要影响因素分析及预测

由于移动源污染遥感监测受到复杂外部环境影响,难以通过传统统计方法建立车辆行驶工况与污染排放之间的相关性模型,为此开展了基于移动源遥感监测的影响因素分析及排放预测的研究。首先利用Spearman相关性分析排除与移动源污染物主要排放气体CO、HC、NO气体浓度无相关性的因素;其次使用Lasso算法确定各成分的关键影响因子,并采用神经网络构建污染物排放预测模型;最后在测试集上验证该模型用于移动源污染排放主要成分预测的有效性。模型预测的结果表明,基于特征筛选的移动源污染排放数据预测神经网络模型具有较高的预测精度,可以降低城市移动源污染排放检测成本并为相关部门制定相关政策提供数据支持。     

汽车信息娱乐系统爆炸增长

<正>iSuppli在去年的CES刚刚结束时就预测,2007年将是汽车产业的分水岭——许多汽车厂商开始推出自己的信息娱乐系统,以利用消费电子产品和内容的爆炸性增长。在2008年CES上,这种预测显然是正确的,但iSuppli永远也不会料到是美国汽车厂     

动态信息网关键技术的研究进展

信息网,表示了真实世界中众多的对象和对象之间的联系,在多种现实应用中广泛存在。对信息网的分析研究具有重要的实际意义和广阔的应用前景。在实际中,信息网上的对象和联系常常随着时间的推移不断发生变化,这样的信息网被称为动态信息网。近年来,动态信息网受到了很多的关注。目前对于动态信息网关键技术的研究主要集中在社区探测和社区搜索、离群点探测、影响力最大化、链接预测。本文详细介绍了这些关键技术的概念、发展和在动态信息网上的研究进展,之后讨论了动态信息网关键技术研究仍然面临的挑战,以及未来可能的研究方向。     

实时递推的最小二乘预测跟踪算法

针对探测系统跟踪误差对目标跟踪的影响,提出一种实时递推的最小二乘预测跟踪算法.该算法采用平方预测器的估算方式,获得目标运动轨迹的最佳逼近,通过不断更新的历史数据实时递推轨迹参数,预测下一帧目标位置.该算法采用Matlab软件编写易于工程实现的应用程序.得到仿真的目标真实轨迹与预测轨迹数据.仿真结果表明,该算法可以在系统...     

一种提高轨道预测精度的递推估值算法

测控雷达系统必须具有跟踪目标速度快、精度要求高等特点,并且当目标信号受到障碍物遮挡目标丢失后,要求测控系统能够对目标运行轨迹进行精确预测,提高目标重新出现后的重捕概率。为了提高轨道预测精度,在轨道跟踪算法基础上引入了最小二乘法数据外推理论,使用最小二乘法对丢失后的目标轨道数据进行了预估值外推分析,并针对最小二乘法数据外推随着时间增长精度快速变差的缺点,引入了递推的最小二乘法。通过实验和数据分析表明,使用递推最小二乘法能够大幅度提高目标丢失5 s内的轨道预测精度,满足雷达测控系统记忆跟踪和目标重捕的要求。     

三轴光纤陀螺捷联姿态解算与漂移补偿研究

研究了三轴正交捷联光纤陀螺（FOG）在移动卫星通信天线稳定和精确指向中的应用。针对三轴FOG角增量输出,首先建立四元数微分方程并实时求解,实现了考虑地球自转补偿的捷联姿态解算方法。其次,将FOG输出漂移分为零偏、温度漂移和随机漂移分别进行补偿研究。基于预测控制DMC算法进行随机漂移的实时补偿;建立多项式模型并进行回归分析实现温度漂移的补偿。通过试验表明,捷联姿态解算方法正确。补偿后,FOG的输出漂移大大减小。     

略论α—β—γ软件滤波器的设计与应用

在某项工程的试验数据处理中，发现存在较大的随机误差。为了减小随机误差，同时又不增加硬件设备，设计了α-β-γ软件滤波器。用标准C程序语言实现了它的滤波算法。源程序简洁，移植性好，适于数字信号处理器（DSP）应用。从试验数据滤波前后的对比可以看出此滤波效果很好，满足工程应用需要。     

激光干扰下红外成像系统性能预测研究

激光干扰是抑制红外成像系统现场性能的有效手段,为实现对激光干扰下红外成像系统性能预测,文中以激光干扰红外成像探测器的作用机理为基础,通过对红外成像系统吸收的激光能量与对比度增强之间的关系进行分析,得到干扰激光的能量与对比度增强之间的关系,进而修正红外成像系统的对比度阈值函数;并结合NVThermIP性能模型实现激光干扰对系统性能的预测,给出了仿真结果,为红外成像系统的性能预测评估和理论模型的继续完善提供依据。     

认知网络中基于蚁群算法的网络流量预测模型

认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP(Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测.     

基于改进人口模型的微博话题趋势预测

趋势预测问题是当前社会计算中的研究热点,但微博平台的话题趋势预测还处在探索阶段。在分析、抽取和定义事件趋势的影响因素的基础上,改进了人口模型使其适用于微博趋势预测,然后将改进的人口模型映射在神经网络上,并利用遗传优化的神经网络对事件的趋势进行预测。实验证明,该方法对于预测网络中长期酝酿的事件发展趋势效果明显,能够有效地预测事件的爆发点和发帖量,而且适用于小样本预测问题。